Python 提取的Mel光谱的最后一个维度是4 我不熟悉语音识别 我计划提取音频数据的Mel光谱，但我打印出了img.shape，发现它的维度是（650，20000，4），最后一个维度是4，我不知道为什么

下面是我的代码函数

def read_wav_data(filename):
    y, sr = librosa.load(filename, sr=None)
    return y, sr

def GetFrequencyFeature5(y, sr):
    melspec = librosa.feature.melspectrogram(y, sr, n_fft=1024, hop_length=16, n_mels=32, fmin=50, fmax=350)
    logmelspec = librosa.power_to_db(melspec)
    print(logmelspec)
    print(logmelspec.shape)
    plt.figure()
    file = librosa.display.specshow(logmelspec, sr=sr, x_axis='time', y_axis='mel', fmin=50, fmax=350)
    plt.title('Beat wavform')
    plt.save(file.png)
    # img = mpimg.imread(file.png)
    plt.show()
    # return img

---

librosa是否打印有关Mel波段的任何警告

fmax

似乎很低，您是否尝试将其增加到4000。当您这样做时，您的Mel频谱图的形状是否会改变？谢谢您的回答，提取Mel频谱时没有警告，我们在本任务中选择的是[50，350]Hz，以覆盖人类音调的F0范围，我尝试将fmax修改为2000，第三维度值仍然为4。librosa是否打印任何有关Mel标注栏的警告

fmax

似乎很低，您是否尝试将其增加到4000。当你这样做的时候，你的Mel光谱图的形状是什么形状？谢谢你的回答，在提取Mel光谱时没有警告，我们在这个任务中选择的是[50，350]Hz，以覆盖人类音调的F0范围，我尝试将fmax修改为2000，第三维度值仍然是4。